MediaWiki API result

{
    "batchcomplete": "",
    "continue": {
        "gapcontinue": "Santiago.py_meetup,_A_TensorFlow_very_simple_Linear_Regression_model",
        "continue": "gapcontinue||"
    },
    "warnings": {
        "main": {
            "*": "Subscribe to the mediawiki-api-announce mailing list at <https://lists.wikimedia.org/postorius/lists/mediawiki-api-announce.lists.wikimedia.org/> for notice of API deprecations and breaking changes."
        },
        "revisions": {
            "*": "Because \"rvslots\" was not specified, a legacy format has been used for the output. This format is deprecated, and in the future the new format will always be used."
        }
    },
    "query": {
        "pages": {
            "146": {
                "pageid": 146,
                "ns": 0,
                "title": "Redes Neuronales, Pasos principales de Backpropagation",
                "revisions": [
                    {
                        "contentformat": "text/x-wiki",
                        "contentmodel": "wikitext",
                        "*": "<div style=\"color: crimson\">WARNING: Esta p\u00e1gina est\u00e1 en desarrollo, puede contener '''errores'''.</div>\n\n[[File:Final outline.png|500px|thumb|none|Resumen Visual de Backpropagation<br>Obtenido de [https://www.coursera.org/specializations/deep-learning#courses Deeplearning.ai en Coursera, Course 1]]]\n\n<ol>\n<li>Se inicializan hyperparametros<br>\n <ul style=\"color: gray\">\n <li>Alpha: valor num\u00e9rico que se usa para ''gradient descent'' para avanzar.</li>\n <li>Cantidad de iteraciones</li>\n <li>Topolog\u00eda: numero de capas y cantidad de nodos en cada capa.</li>\n <li>Funciones de activaci\u00f3n en cada capa.</li>\n <li>Lambda (usado para regularizaci\u00f3n)</li>\n <li>Multiplicador de inicializaci\u00f3n de peso (para evitar gradientes que desaparecen o explotan)</li>\n </ul>\n</li>\n<li>Inicializar Parametros<br>\n<span style=\"color: gray\">Se les da un valor aleatorio a los par\u00e1metros para que no sean todos iguales a 0.</span>\n</li>\n<li>\nSe realiza una cantidad de iteraciones del siguiente proceso<br>\n<span style=\"color: gray\">\nEste proceso acerca a lo m\u00e1s posible a 0 el costo de la suma de las predicciones. Con cada iteraci\u00f3n se acerca m\u00e1s aunque puede estancarse cercano a algun valor. No necesariamente es un numero cercano a 0 (dependiendo del modelo y de la informaci\u00f3n puede ser un numero muy grande).</span>\n <ol>\n <li>Usando los par\u00e1metros se hace un ''forward propagation'' (propagaci\u00f3n hacia adelante) para cada ejemplo de entrenamiento de la informaci\u00f3n.</li>\n <li>Se computa el costo usando el ''forward propagation''. (INSERTAR FORMULA DE COSTO)</li>\n <li>Se deriva el costo con relaci\u00f3n a cada parametro.</li>\n <li>Se realiza gradient descent<br>\n  <span style=\"color: gray\">Para cada parametro: al valor m\u00e1s reciente se le resta el valor de su derivada y se actualiza el parametro con este nuevo valor.</span>\n </li>\n </ol>\n</li>\n<li>El ultimo valor de los par\u00e1metros se usa para hacer nuevas predicciones.</li>\n</ol>"
                    }
                ]
            },
            "116": {
                "pageid": 116,
                "ns": 0,
                "title": "SSH, mostrando las claves en una m\u00e1quina y viendo las claves con SSH",
                "revisions": [
                    {
                        "contentformat": "text/x-wiki",
                        "contentmodel": "wikitext",
                        "*": "Para mostrar las claves de forma f\u00e1cil:\n<source lang=\"bash\">\nfor i in $(ls /etc/ssh/*sa_key.pub); do ssh-keygen -l -f $i; done\n</source>\n\nSe puede ejecutar lo siguiente ([https://github.com/caballerofelipe/scripts/blob/master/ssh/ssh_fingerprint.sh ver script en GitHub]):\n<source lang=\"bash\">\ncurl -sS https://raw.githubusercontent.com/caballerofelipe/scripts/master/ssh/ssh_fingerprint.sh | bash\n</source>\n\nLo que genera un resultado parecido al siguiente:\n<source lang=\"bash\">\n+---------+---------+-----------------------------------------------------+\n| Cipher  | Algo    | Fingerprint                                         |\n+---------+---------+-----------------------------------------------------+\n| RSA     | MD5     | MD5:15:66:80:fd:79:d8:c0:92:e8:39:4a:bc:4e:c4:00:15 |\n| RSA     | SHA-256 | SHA256:G+rKuLGk+8Z1oxUV3cox0baNsH0qGQWm/saWPr4qZMM  |\n+---------+---------+-----------------------------------------------------+\n| ECDSA   | MD5     | MD5:f5:90:5c:03:2e:38:1b:c9:86:bd:86:47:5d:22:79:17 |\n| ECDSA   | SHA-256 | SHA256:GGmuOzsG4EGeRV9KD1WK7tRf3nIc40k/5jRgbTZDpTo  |\n+---------+---------+-----------------------------------------------------+\n| ED25519 | MD5     | MD5:d1:5a:04:56:37:f4:75:19:22:e6:e5:d7:41:fd:79:fa |\n| ED25519 | SHA-256 | SHA256:QVdqYeVzvsP4n5yjuN3D2fu8hDhskOxQCQAV5f9QK7w  |\n+---------+---------+-----------------------------------------------------+\n</source>"
                    }
                ]
            }
        }
    }
}